سال انتشار: ۱۳۹۲
محل انتشار: اولین همایش ملی کاربرد سیستم های هوشمند (محاسبات نرم) در علوم و صنایع
تعداد صفحات: ۲۰
نویسنده(ها):
ندا رستمی – دانشجوی کارشناسی ارشد دانشگاه علوم و تحقیقات خراسان رضوی
مهدی صالحی – استادیار، عضو هیئت علمی دانشگاه فردوسی
علیرضا داوودی – استادیار، عضو هیئت علمی دانشگاه آزاد نیشابور
محمدرضا شورورزی – استادیار،دانشگاه آزاد نیشابور

چکیده:
ورشکستگی های اخیر شرکت های بزرگ در سطح بین المللی و نوسان های بورس اوراق بهادار در ایران بحث پیش بینی ورشکستگی را به عنوان یکی از موضوعات مهم در حوزه ی مالی مطرح کرده است. در پژوهش حاضر با انتخاب نمونه ای متشکل از 158 شرکت از شرکت های پذیرفته شده در بورس اوراق بهادار تهران توانایی دو مدل الگوریتم ژنتیک (GA) و الگوریتم تجمعی ذرات (PSO) در دو مرحله قبل از حذف مشاهداتی که قدرت تفکیک بالایی ندارند و بعد از حذف آنها و طی سه سال t و 1-t و 2-t با یکدیگر مقایسه شده اند و مناسبترین مدل جهت پیش بینی ورشکستگی که منطبق با شرایط محیطی و اقتصادی ایران باشد طراحی و شناسایی شد. بازه ی زمانی انتخاب نمونه 1385-1389 می باشد. نتیجه پژوهش حاضر نشان می دهد که بین توانایی دو مدل مربوطه در هر سه سال t و 1-t و 2-t اختلاف معناداری وجود ندارد و هر یک نقاط قوت و ضعف خاص خود را دارند و همچنین نتایج نشان میدهد که انتخاب نادراست نسبت های مالی که قدرت تفکیک بالایی ندارند علاوه بر اینکه باعث کمتر شدن دقت پیش بینی می شود، اظهار نظر را جهت انتخاب مدل قوی تر برای تصمیم گیرندگان مالی سخت میکند.